您好,欢迎来到福步贸易网!
关注我们
service@fubuwang.com
全部产品分类
业内关于语音合成有什么评估标准吗?
   https://www.fubuwang.com 2024-02-19 02:23:53 来源:网络
核心提示:有的。一般来说,语音质量至少包括三个方面的内容:清晰度、可懂度和自然度。清晰度是指语音中语言单位为意义不连贯的(如音素、声母、韵母等)单元的清晰程度;可懂度是指语音中有意义的语言单元(如单词、单句等)内容的可识别程度;自然度则是与语音的保真

有的。

一般来说,语音质量至少包括三个方面的内容:清晰度、可懂度和自然度。

清晰度是指语音中语言单位为意义不连贯的(如音素、声母、韵母等)单元的清晰程度;

可懂度是指语音中有意义的语言单元(如单词、单句等)内容的可识别程度;

自然度则是与语音的保真性密切相关。

目前,对语音可懂度、清晰度的主观评测已有国际和国内的标准,而对于语音的自然度,还缺乏公认的评价标准。

对于语音合成来说,高自然度是语音企业的兵家必争之地。

一、主观的评测方法

语音质量受到个人、周围环境、语音特征、背景噪声等多方面复杂的影响因素,用于评价输出语音质量的方法分为主管和客观两种评价方式。

常见的主观评价方法有:平均意见分方法(MOS,Mean Opinion Score)、判断韵字测试(DRT,Diagnostic Rhyme Test)、失真平均意见分(DMOS,Degradation Mean Opinion Score)、判断满意度测试方法(DAM,Dignostic Acceptability Measure)和汉语清晰度测试。

其中,MOS得分方法是由CCITT推荐的主观评价方法,现已广泛作为不同系统之间的比较标准。它采用五级评分制

MOS评测方法简单易操作,评测者只需要进行简单的训练就能参与评测,因而容易完成。

二、客观的评测方法

那如何进行语音质量的客观评估呢?

其实,业界对人类的感官感知和神经信息处理机制做了大量的研究并取得了一定的成果,但由于人们对人类感知的技利和大脑活动的运作方法仍处于一知半解的阶段,因此,我们还无法建立一个能完全模仿人类音质感知过程的客观评价系统,只能根据所获得的信息做出尽可能正确的评价,所建立的客观评价模型也与人类所感知的评价能力相去甚远。

因此,客观评价并不能完全取代主观评价。

在实际运用中,通常将主观评价和客观评价结合使用,客观评价常用于系统的设计、调整以及现场实时监控阶段,主观评价作为实际效果的最终检验,两者相辅相成,用于不同场合。

其次,客观评价系统的优劣取决于由它得到的客观评价解国与主观评价结果是否具有统计意义上高相关性以及小的偏差,因此客观评价系统的设计必须以主观评价为基础,并借鉴主观评价主体的感知工能和智能特性。

以上啰嗦,一句话总结:

人耳,是一切声音的最高检验标准

听力残疾鉴定标准

如今这个时代,在中国几乎是人人手上都有一部智能手机,这种小巧的电子产品正在潜移默化地改变人们的生活方式和工作方式。作为智能手机的典型特征之一,语音识别是必不可少的。这是一项在人与机器之前搭起沟通桥梁的技术,没有了它我们便无法通过手机将语音转成文字,也无法通过语音与智能语音助手对话。

尽管智能手机已经成为了随身携带的重要物品,但手机里的语音识别功能并不是人人都会用,即使用户懂得使用也不会将其作为手机基础功能之一。这背后的原因除了很少用语音转文字和智能语音助手之外,还有一个技术性的硬伤,那就是语音识别的准确率。目前全世界任何一家做语音识别技术的公司都无法达到100%的准确率,也就是机器还无法完全懂人类。

早在2016年的时候微软研究院就宣布了他们开创的一套算法能够将语音识别准确率提高到94%,这应该是当时业界的最高水平,但剩下的6%成为了语音识别的难中之难。这最后的6%就像是中国各大共享单车争夺上班最后一公里的蓝海,各大技术公司都争相尝试解决,但到目前为止还没有公司完全征服最后这6%。那么是什么原因使得这项任务如此艰巨呢?

纵观目前市面上可应用的语音识别技术,都能够顺利地接受音质清晰、发音较为标准的语音,但对一些音质稍差或存在口音的语音,往往会出现识别错误。由此可见,语音识别技术背后的算法目前尚未将口音和模糊语音纳入学习范围,这也是这项技术发展的巨大空间。语言是不同民族沟通交流的桥梁,存在差异是十分常见的现象,如何包容这些差异才是重中之重。

也有朋友会说,正确率高达94%的语音识别能力已经够平时使用了,还有必要争取最后那6%吗?对于普通人来说却是没必要,但是对于专业的新闻人员来说,这最后的6%决定了他们工作量的大小。语音识别技术从兴起到现在,一直在新闻界得到广泛应用。有了它之后记者们开始不用速记而是通过录音设备存储受访人的语音,然后通过语音识别整理出文档。

而新闻行业被大众认为是公布准确、权威信息的行业,报道的真实性尤为重要。因此如果单纯使用目前尚不完美的语音识别技术,有可能导致识别出来的文字出现错误。而且有不少严谨的报社会在语音识别之后再审核一次,这样看来语音识别并没有提高工作效率,因此如何攻克最后6%的难题,成为了语音识别技术的瓶颈,也是蓝海。

当然我们不能忽略了机器学习的特点,那就是通过大量训练来将自己的能力趋于完善,目前各大公司都在进行大量的语音识别训练,可以预见的是准确率会越来越高。

语言残疾人鉴定标准?

听力残疾鉴定标准如下:

级别平均听力损失dBspl言语识别率:

一级>90(好耳)<15

二级71—90(好耳)15—30

三级61—70(好耳)31—60

四级51—60(好耳)61—70

听力残疾的检查方法

测试环境要求是裸耳听力测试应在测听室进行,对耳聋定残普查亦可在安静房间内(本底噪音<50dBA)进行,室内应限制非测听人员入内。言语识别率测试在普通安静房间内进行,用当地人发音,其言语声约70dBSPL(正常说话声),房间本底噪音小于50dBA。

评定方法:

(1)行为测听法:通过观察受试者对不同频率、不同刺激声强的听性行为反映,来判断其听力损失。

(2)言语识别率测试:用听话识图法识别双音节词,测试者在受试者好耳侧并排而坐,间距半米,测试者用正常言语声发音,注意避开受试者视觉,通过观察树试者对双音节词的正确识别,确定其言语识别率。

测试用具:汉语双音节词测听图卡。

听力残疾是指由于各种原因导致双耳不同程度的听力丧失,听不到或听不清周围环境声及言语声(经治疗一年以上不愈者)。

语言残疾分级:

一级:指只能简单发音而言语能力完全丧失者。

二级:指具有一定的发音能力,语音清晰度在10-30%,言语能力等级测试可通过一级,但不能通过二级测试水平。

三级:指具有发音能力,语音清晰度在31-50%,言语能力等级测试可通过二级,但不能通过三级测试水平。

四级:指具有发音能力,语音清晰度在51-70%,言语能力等级测试可通过三级,但不能通过四级测试水平。

扩展资料:

言语残疾包括:

1.失语:是指由于大脑言语区域以及相关部位损伤所导致的获得性言语功能丧失或受损。

2.运动性构音障碍:是指由于神经肌肉病变导致构音器官的运动障碍,主要表现不会说话、说话费力、发声和发音不清等。

3.器官结构异常所致的构音障碍:是指构音器官形态结构异常所致的构音障碍。其代表为腭裂以及舌或颌面部术后。主要表现为不能说话、鼻音过重、发音不清等

4.发声障碍(嗓音障碍):是指由于呼吸及喉存在器质性病变导致的失声、发声困难、声音嘶哑等。

5.儿童言语发育迟滞:指儿童在生长发育过程中其言语发育落后于实际年龄的状态。主要表现不会说话、说话晚、发音不清等。

6.听力障碍所致的语言障碍:是指由于听觉障碍所致的言语障碍。主要表现为不会说话或者发音不清。

7.口吃:是指言语的流畅性障碍。常表现为在说话的过程中拖长音、重复、语塞并伴有面部及其它行为变化等。

参考资料:

言语残疾-百度百科

以上就是关于业内关于语音合成有什么评估标准吗?全部的内容,如果了解更多相关内容,可以关注我们,你们的支持是我们更新的动力!

 
举报收藏 0打赏 0评论 0

免责声明:
1.本站部份内容系网友自发上传与公开信息收集转载,转载目的在于传递更多信息,并不代表本站赞同其观点和对其真实性负责。版权归属原平台(作者)所有,版权争议与本站无关;
2.秉承互联网开放、包容的精神,福步网欢迎各方(自)媒体、机构转载、引用我们原创内容,但要严格注明来源:福步网;
3.我们倡导尊重与保护知识产权,如发现本站文章存在版权问题,烦请将版权疑问、授权证明、版权证明、联系方式等,发邮件至service@fubuwang.com,我们将第一时间核实、处理,谢谢。

 
福步贸易网  |  公司简介  |  意见建议  |  法律申明  |  隐私政策  |  广告投放  |  如何免费信息发布?  |  如何开通福步贸易网VIP?  |  VIP会员能享受到什么服务?  |  怎样让客户第一时间找到您的商铺?  |  如何推荐产品到自己商铺的首页?  |  网站地图  |  排名推广  |  广告服务  |  积分换礼  |  网站留言  |  RSS订阅  |  违规举报  |  粤ICP备15082249号 |  m.fubuwang.com